Quando as redes neurais artificiais começaram a crescer, isso em torno de 1990, uma observação era a dificuldade de publicar artigos: falta de jornais focados na área. Esses modelos usam conceitos tão diversos que achar um jornal torna difícil, ainda o é, mas agora com deep learning "muito bom para ser ignorado".
Recentemente, no Twitter, alguém comentava da dificuldade de pesquisar em bioinformática, eu apontei a dificuldade de publicar; meu último artigo teve dificuldades de achar revisores; tive um anterior com problemas similar, acabei desistindo. Talvez, quando a ciência era mais linear, seria fácil segmentar as ciências. Isso cria um "preconceito" contra trabalhos interdisciplinar, termo que uso de forma aberta, ver meu vídeo para mais.
Quando deep learning nasceu, cresceu no subterrâneo. Isso seria um preconceito contra inovação. Deep learning desde 2012, quando saiu finalmente do subterrâneo, já foi usado basicamente em tudo, e com grande grau de sucesso.
Acredito que seja o simples fato de que nenhum pesquisador deveria "censurar" o outro. Sou estudioso da CNV: para mim, publicação por pares é uma violência contra os autores, e contra a ciência. Alguém na posição de poder, o revisor e editores, decidem o que pode ser publicado. Como argumento no nosso livro, usando trabalhos de Kahneman et al:
todo processo de decisão é ruidoso, ninguém consegue prever o sucesso de um artigo, somente a pessoa que usa.
A tão atacada "publicação em massa" deveria ser celebrada. Isso significa que temos mais cabeças, o sistema de publicar ficou mais acessível; não filtrar, e ficarmos com medo de alguém roubar nosso "espaço". Deixemos o saudosismo e ego fora das ciência, ciência em rede e aberta deve ser o futuro.
Eu sempre brinco que a ciência não deveria ficar amarada aos homens. A ciência pode mudar com a velocidade da luz, mas fica presa "ao momento de os chefões aposentarem", e deixarem novas ideias aflorarem. Estou lendo um livro sobre uso de modelos para fazer julgamentos: apesar das pesquisas mostrando benefícios de usar modelos, mesmo que simples, ainda assim não se consegue fazer nada. Pessoas em posição de poder impedem: preferem a própria intuição. Isso gera a ilusão da validação.
O que mais me atrai na ciência é a democracia. Mesmo que demore, as coisas mudam. Nas ciências, nada fica em pé, senão a verdade! Como exemplo, pesquisa sem dinheiro levou pesquisadora a fazer grande descoberta!
Sugestão de leitura
Another Science is Possible: A Manifesto for Slow Science Book by Isabelle Stengers
Punidos por métricas por Jorge Guerra Pires